RAG 智能问答系统

新建文件夹ing

基于 Spring AI Alibaba 构建的检索增强生成（RAG）系统。采用 KNN 向量召回 + BM25 文本匹配 + Cross-Encoder 重排的三阶段混合搜索策略，结合组织标签权限控制，实现对私有知识库的精准问答。支持多模型动态切换、WebSocket 流式对话，有效解决 LLM 幻觉问题，提供可溯源的答案。

项目架构

技术栈

Spring Boot Spring AI Alibaba Spring Security Redis MySQL MinIO Elasticsearch Kafka WebSocket

核心功能

分片上传：支持MinIO的大文件分片上传、断点续传与秒传检测，结合 Kafka 异步处理向量化任务以提高上传效率
混合语义搜索：结合 KNN 向量召回、BM25 关键词匹配与 Cross-Encoder Rerank 精排，进行三阶段检索优化，提升搜索精准度
多模型切换：支持 DeepSeek 和 Qwen 模型的动态切换，通过 WebSocket 流式响应实现实时对话
权限控制：基于组织标签实现三级权限控制（私有、组织、公开），提供细粒度的文档访问与管理权限
答案溯源：展示原文出处及文件来源，支持一键下载原始文档以便查看详细信息

系统架构

分片上传 → Tika 解析 → HanLP 分块 → Embedding 向量化 → ES 混合索引

用户提问 → 意图识别 → 混合召回 → 权限熔断过滤 → Cross-Encoder 精排 → LLM 生成

在线体验 GitHub